CN106845857A - 一种智能电表的配送任务排程优化方法 - Google Patents

一种智能电表的配送任务排程优化方法 Download PDF

Info

Publication number
CN106845857A
CN106845857A CN201710085074.3A CN201710085074A CN106845857A CN 106845857 A CN106845857 A CN 106845857A CN 201710085074 A CN201710085074 A CN 201710085074A CN 106845857 A CN106845857 A CN 106845857A
Authority
CN
China
Prior art keywords
vehicle
demand
car
dispatching
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710085074.3A
Other languages
English (en)
Inventor
赵勇
顾强
陈磊
李刚
李中成
杨霖
刘凯
刘雪
陈鑫
丁静之
卞文良
葛嘉晖
吕伟嘉
许迪
张兆杰
卢静雅
刘浩宇
王国华
郭蕊
陈健
许仕霖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710085074.3A priority Critical patent/CN106845857A/zh
Publication of CN106845857A publication Critical patent/CN106845857A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种智能电表的配送任务排程优化方法，属于电能计量装置配送方法研究领域。本发明方法结合省级计量中心的实际情况，将电能计量装置的配送任务排程问题转化为一个配送中心利用不同型号配送车辆向多个需求点进行配送的车辆路径规划和车辆调度问题。该问题同时考虑了客户需求和地理位置等自身特性约束、车容和时间限制。本方案综合考虑省级计量中心计量装置配送的需求类型、配送时间、配送空间和车辆能力等多重因素，设计一个计量装置的配送任务排程优化算法，从而减弱传统人工制定计量装置配送计划时的诸多弊端，为及时、经济、高效、准确的计量装置配送提供强有力的支撑。

Description

一种智能电表的配送任务排程优化方法
技术领域
本发明本发明属于电能计量装置配送方法研究领域，尤其是一种智能电表的配送任务排程优化方法。
背景技术
随着电力建设和电力市场的快速发展，电能计量装置的需求量不断增加，客户的用电需求更加个性化，目前省计量中心主要存在计量装置业扩新装、故障维护和工程三种配送业务。随着客户差异化服务需求的深入以及省级计量中心柔性管理理念的贯彻，国网营销部要求以提供更优质的用电服务为目标，尽量缩短业务周期跨度，更快更好地满足顾客需求，提高应急业务服务水平。因此省计量中心的配送管理工作面临着很大的挑战。目前，传统的配送任务主要依靠人工经验，没有与需求、仓储结合起来，配送路线和配送任务的先后顺序都缺乏一定的管理规划，这势必会导致配送系统响应速度慢，灵活性差、服务水平低和信息化程度低。在此情况下综合考虑配送成本、配送时间、装载率和业务优先级等影响因素，设计配送任务智能排程计划，对于有效地规范现有的配送业务流程，提高配送服务水平具有重要意义。
经过检索，在现有的已公开专利文献中未发现与本专利申请相同的技术方案。
发明内容
本发明的目的在于提供一种节约能源、自动执行、稳定可靠、适于推广的智能电表的配送任务排程优化方法。
本发明解决其技术问题是采取以下技术方案实现的：
一种智能电表的配送任务排程优化方法，其特征在于：包括下述步骤：
S1：获取相关数据，包括：需求站点数目、配送中心配送车辆类型、车辆数、额定载重量及与每辆车相关联的司机出行费用和司机每日的额定工作时长、任意两个需求站点之间的距离、需求站点与配送中心之间的距离及单位距离运输成本、各需求站点的需求量及接收配送的时间窗；
S2：利用模糊对比法判断计量中心已有的m辆车一周内的总运力能否满足所有需求点一周内的总需求，如果能够满足，则转入S4；如果不能满足则转入S3之后转至S1；
S3：未能满足的任务量由下周配送；
S4：计算配送完所有需求点的需求量的最短时间来判断配送中心已有的m辆车一天内的总运力能否满足需求点一周内的总需求；如果能够满足，则转至S5；如果不能够满足，则转入S6，之后转至S7，再转至S5；
S5：根据该日内不同的适用条件和场景，设置数学模型，之后转入S8；
S6：考虑业务优先级、时间、成本因素，建立组合权重，进行排序；
S7：在S6的基础上对配送业务划分日程，进行日程安排；
S8：利用贪心算法进行对最优解进行搜索；
S9：通过不断的搜索求解，得出最优的配送任务排程方案。
而且，步骤S2所述模糊对比法包括如下步骤：
(1)计算需求站点一周内的总需求MA，i表示站点，i＝{0，1，2，…，n}，i＝0时为配送中心，否则为需求站点，需求站点的总数目为n，qi表示需求站点i的需求量；
(2)穷举的所有配送路径共有n！条，每条路径的总长度记为WTWALj(j＝1，2，…，n！)；
(3)计算出所有穷举路径的平均长度
(4)计算每辆车的平均运输距离k＝{1，2…，m}是配送中心拥有的车辆集合；
(5)计算每辆车的在途运输时间其中Vk为每辆车的平均行驶速度；
(6)计算每辆车每天跑的车次数其中T为司机每日的额定工作时长；
(7)计算车辆一周内的总运力其中，，CVk为车的额定装载量；
(8)判断ECTk的大小。
而且，所述(8)判断ECTk的大小的具体步骤为：
①当ECTk全部大于0或者部分大于0部分等于0时，计算一周内m辆车的总运力其中CVk为车的额定装载量，将F1与所有需求点一周内的总需求MA比较，当F1≥MA时，所有车一周内能送完所有点的需求；当F1＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助；
②当ECTk全部等于0时，表示每辆车一天内跑不完一个车次，此时需找出一个正整数M，至每辆车每天跑的车次数全部大于等于1为止，该正整数M代表了需要M天可以保证每个车辆k跑完至少一个车次，计算一周内m辆车的总运力将F2与所有需求点一周内的总需求MA比较，当F2≥MA时，所有车一周内能送完所有点的需求；当F2＜MA时，所有车一周内不能送完所有点的需求，此时这一周剩余的天数由于在这D天内车辆不能完成一趟运输，故在D天内估算的m辆车的总理想运力则这一周内m辆车的理想运力F4＝F2+F3，将F4继续与MA比较，当F4≥MA时，所有车一周内能送完所有点的需求；当F4＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助。
而且，步骤S5中所述数学模型包括不同场景下的目标函数和约束条件。
而且，所述目标函数
(1)Min其主要包括两部分：车辆的固定启用费用和运输费用组成。其中：m为投入使用的配送车辆；xijk为0、1变量，xijk＝1表示车辆k从节点i行驶到节点j，否则xijk＝0；dij表示配送点i到配送点j的运输距离；ck为车辆k的固定启动费用；cijk：表示车辆k由节点i到节点j进行配送的单位距离的运输费用；
(2)Min其主要包括行驶时间和货物装卸时间。其中：tij为从节点i到需求节点j的行驶时间；tih为车辆在节点i的装卸货时间；
(3)Max或Max 其分别表示车辆的载重利用率最大或车辆的容积利用率最大，其中：yki为0,1变量，yki＝1表示需求站点i的任务由车辆k完成，否则yki＝0；Gk为车辆k的额定载重量；qil为需求站点i对计量装置l的需求量；gl为计量装置l的单位重量；Qk为车辆k的额定装载容量；qim为需求站点i需要装载的周转箱m的数量，qi1＝pi1/12，qi2＝pi2/4，qi3＝pi3/12，qi4＝pi3/12，qi5＝pi5；vm为集装箱m的体积。
而且，所述约束条件包括：
(a1)车辆k在巡回路线的连续性约束，即车辆k到达某一客户节点也会离开，不会停留，
(a2)同一车辆只能在一条巡回路线上行驶约束，x0jk≤1；
(a3)车辆k的配送半径约束，Wk为配送车辆k允许行驶的最远距离；
(a4)aj≤tj≤bj，ti为车辆到达需求点i的时刻，aj：允许车辆到达需求点i的最早时间点，bj为允许车辆到达需求点i的最晚时间点。
而且，所述约束条件包括：
步骤S6中所述考虑业务优先级、时间、成本因素的组合权重计算方式为：
权重其中Prio为各需求点的优先级，surround为各需求点到其他点的距离之和，Distance为各需求点到计量中心的距离，Time为各需求点的服务时间窗，P，S，D，T分别为各参数的权重，并取S，D，T为1，为了方便比较优先级，取P为10(可调整)。将各需求点的权重按从大到小的顺序排列，得到一个需求点序列
计算每辆车的权重其中VC为每辆车的平均车速，Volumn为每辆车的额定装载量，Wages为司机的工资，CostPerKm为车辆每公里
消耗的费用，V，Vo，W，C分别为各参数的权重，并取V，C为1，Vo，W为0.1；将每辆车的权重按从大到小的顺序排列，得到一个车辆权重序列。
而且，步骤S7中所述的贪心算法包括如下步骤：
(1)将需求点按照不同的要求进行排序；
(2)将车辆按照特定的目标进行排序；
(3)将一个需求点分配给一辆车后，判断车辆完成该需求点的配送任务后是否还在这个需求点的配送服务时间窗之内，如果不在，则将该需求点分配给下一辆车；如果在，那么判断这辆车的额定装载量能否装满这个需求点的全部需求量，如果刚好装满，或装入后车辆还有剩余容量，则将下一个需求点继续分配给这辆车，如果车辆不能装满这个点的全部需求量，那么则装入这辆车剩余空间的量，然后将这个点的剩余的需求量分配给下一辆车；
(4)当需求点全部分配完毕时，则整个分配过程结束。
本发明的优点和积极效果是：
本方法结合省级计量中心智能电能表配送的需求类型、时间、空间和车辆能力等多个角度，重点考虑了计量装置的配送任务排程优化算法。通过计算机语言编程，将配送任务按照配送时间最短、配送成本最低、装载率最高分别进行了配送任务规划，得出更为科学合理的配送方案，从而有利于省级计量中心满足个性化的客户需求。同时还考虑了不同类型业务的优先级，进行配送任务排程，可以有效提高配送效率和服务满足率。为及时、经济、高效、准确的智能电能表配送提供强有力的支撑。
附图说明
图1为本发明提供的计量转置的配送任务排程的逻辑思维图。
具体实施方式
下面结合附图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
一种智能电表的配送任务排程优化方法，本发明方法结合省级计量中心智能电能表配送的需求类型、时间、空间和车辆能力等多个角度，重点考虑了智能电能表的配送任务排程进行优化算法。结合省级计量中心的实际情况，将智能电能表配送任务排程问题转化为一个配送中心，多个客户、多种车型考虑客户需求和地理位置等自身属性特点、车容和时间限制的路径规划和车辆调度问题。在问题的研究中可以结合计量中心的配送需求改变目标函数，以适应不同的配送情况，从而避免了传统人工制定智能电能表配送计划时的诸多弊端，为及时、经济、高效、准确的智能电能表配送提供强有力的支撑。
如图1所示，为本发明提供的计量转置的配送任务排程的逻辑思维图，包括按顺序执行的下列步骤：
本发明的目的在于提供一种基于配送任务排程的配送车辆路径优化方法，包括下述步骤：
步骤1)：获取相关数据，包括：需求站点数目、配送中心配送车辆类型、车辆数、额定载重量及与每辆车相关联的司机出行费用和司机每日的额定工作时长、任意两个需求站点之间的距离、需求站点与配送中心之间的距离及单位距离运输成本、各需求站点的需求量及接收配送的时间窗等；
步骤2)：利用模糊对比法判断计量中心已有的m辆车一周内的总运力能否满足所有需求点一周内的总需求，如果能够满足，则转入步骤4；如果不能满足则转入步骤3之后转至步骤1；
所述模糊对比法包括如下步骤：
(1)计算需求站点一周内的总需求MA，i表示站点，i＝{0，1，2，…，n}，i＝0时为配送中心，否则为需求站点，需求站点的总数目为n，qi表示需求站点i的需求量；
(2)穷举的所有配送路径共有n！条，每条路径的总长度记为WTWALj(j＝1，2，…，n！)；
(3)计算出所有穷举路径的平均长度
(4)计算每辆车的平均运输距离k＝{1，2…，m}是配送中心拥有的车辆集合；
(5)计算每辆车的在途运输时间其中Vk为每辆车的平均行驶速度；
(6)计算每辆车每天跑的车次数其中T为司机每日的额定工作时长；
(7)计算车辆一周内的总运力其中，，CVk为车的额定装载量；
(8)判断ECTk的大小：①当ECTk全部大于0或者部分大于0部分等于0时，计算一周内m辆车的总运力其中CVk为车的额定装载量。将F1与所有需求点一周内的总需求MA比较，当F1≥MA时，所有车一周内能送完所有点的需求；当F1＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助。②当ECTk全部等于0时，表示每辆车一天内跑不完一个车次，此时需找出一个正整数M，至每辆车每天跑的车次数全部大于等于1为止，该正整数M代表了需要M天可以保证每个车辆k跑完至少一个车次。计算一周内m辆车的总运力将F2与所有需求点一周内的总需求MA比较，当F2≥MA时，所有车一周内能送完所有点的需求；当F2＜MA时，所有车一周内不能送完所有点的需求，此时这一周剩余的天数由于在这D天内车辆不能完成一趟运输，故在D天内估算的m辆车的总理想运力则这一周内m辆车的理想运力F4＝F2+F3，将F4继续与MA比较，当F4≥MA时，所有车一周内能送完所有点的需求；当F4≥MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助；
步骤3)：未能满足的任务量由下周配送；
步骤4)：计算配送完所有需求点的需求量的最短时间来判断配送中心已有的m辆车一天内的总运力能否满足需求点一周内的总需求。如果能够满足，则转至S5；如果不能够满足，则转入步骤6，之后转至步骤7，再转至步骤5；
步骤5)：根据该日内不同的适用条件和场景，设置数学模型，之后转入步骤8；
所述数学模型包括不同场景下的目标函数和约束条件：
目标函数(1)Min其主要包括两部分：车辆的固定启用费用和运输费用组成。其中：m为投入使用的配送车辆；xij k为0、1变量，xijk＝1表示车辆k从节点i行驶到节点j，否则xijk＝0；dij表示配送点i到配送点j的运输距离；ck为车辆k的固定启动费用；cijk：表示车辆k由节点i到节点j进行配送的单位距离的运输费用。
目标函数(2)Min其主要包括行驶时间和货物装卸时间。其中：tij为从节点i到需求节点j的行驶时间；tih为车辆在节点i的装卸货时间。
目标函数(3)Max或Max 其分别表示车辆的载重利用率最大或车辆的容积利用率最大。其中：yki为0,1变量，yki＝1表示需求站点i的任务由车辆k完成，否则yki＝0；Gk为车辆k的额定载重量；qil为需求站点i对计量装置l的需求量；gl为计量装置l的单位重量；Qk为车辆k的额定装载容量；qim为需求站点i需要装载的周转箱m的数量，qi1＝pi1/12，qi2＝pi2/4，qi3＝pi3/12，qi4＝pi3/12，qi5＝pi5；vm为集装箱m的体积。
约束条件包括：(a1)车辆k在巡回路线的连续性约束，即车辆k到达某一客户节点也会离开，不会停留，(a2)同一车辆只能在一条巡回路线上行驶约束，x0jk≤1；(a3)车辆k的配送半径约束，Wk为配送车辆k允许行驶的最远距离；(a4)aj≤tj≤bj，ti为车辆到达需求点i的时刻，aj：允许车辆到达需求点i的最早时间点，bj为允许车辆到达需求点i的最晚时间点。
步骤6)：考虑业务优先级、时间、成本因素，建立组合权重，进行排序；
所述考虑业务优先级、时间、成本因素的组合权重计算方式为：
权重其中Prio为各需求点的优先级，surround为各需求点到其他点的距离之和，Distance为各需求点到计量中心的距离，Time为各需求点的服务时间窗，P，S，D，T分别为各参数的权重，并取S，D，T为1，为了方便比较优先级，取P为10(可调整)。将各需求点的权重按从大到小的顺序排列，得到一个需求点序列
计算每辆车的权重其中VC为每辆车的平均车速，Volumn为每辆车的额定装载量，Wages为司机的工资，CostPerKm为车辆每公里
消耗的费用，V，Vo，W，C分别为各参数的权重，并取V，C为1，Vo，W为0.1。将每辆车的权重按从大到小的顺序排列，得到一个车辆权重序列。
步骤7)：在步骤6的基础上对配送业务划分日程，进行日程安排；
所述的贪心算法包括如下步骤：
(1)将需求点按照不同的要求进行排序。
(2)将车辆按照特定的目标进行排序。
(3)将一个需求点分配给一辆车后，判断车辆完成该需求点的配送任务后是否还在这个需求点的配送服务时间窗之内，如果不在，则将该需求点分配给下一辆车；如果在，那么判断这辆车的额定装载量能否装满这个需求点的全部需求量，如果刚好装满，或装入后车辆还有剩余容量，则将下一个需求点继续分配给这辆车，如果车辆不能装满这个点的全部需求量，那么则装入这辆车剩余空间的量，然后将这个点的剩余的需求量分配给下一辆车。
(4)当需求点全部分配完毕时，则整个分配过程结束。
步骤8)：利用贪心算法进行对最优解进行搜索；
步骤9)：通过不断的搜索求解，得出最优的配送任务排程方案。
尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。

Claims (8)

1.一种智能电表的配送任务排程优化方法，其特征在于：包括下述步骤：
S1：获取相关数据，包括：需求站点数目、配送中心配送车辆类型、车辆数、额定载重量及与每辆车相关联的司机出行费用和司机每日的额定工作时长、任意两个需求站点之间的距离、需求站点与配送中心之间的距离及单位距离运输成本、各需求站点的需求量及接收配送的时间窗；
S2：利用模糊对比法判断计量中心已有的m辆车一周内的总运力能否满足所有需求点一周内的总需求，如果能够满足，则转入S4；如果不能满足则转入S3之后转至S1；
S3：未能满足的任务量由下周配送；
S4：计算配送完所有需求点的需求量的最短时间来判断配送中心已有的m辆车一天内的总运力能否满足需求点一周内的总需求；如果能够满足，则转至S5；如果不能够满足，则转入S6，之后转至S7，再转至S5；
S5：根据该日内不同的适用条件和场景，设置数学模型，之后转入S8；
S6：考虑业务优先级、时间、成本因素，建立组合权重，进行排序；
S7：在S6的基础上对配送业务划分日程，进行日程安排；
S8：利用贪心算法进行对最优解进行搜索；
S9：通过不断的搜索求解，得出最优的配送任务排程方案。
2.根据权利要求1所述智能电表的配送任务排程优化方法，其特征在于：步骤S2所述模糊对比法包括如下步骤：
(1)计算需求站点一周内的总需求MA，i表示站点，i＝{0，1，2，…，n}，i＝0时为配送中心，否则为需求站点，需求站点的总数目为n，qi表示需求站点i的需求量；
(2)穷举的所有配送路径共有n！条，每条路径的总长度记为WTWALj(j＝1，2，…，n！)；
(3)计算出所有穷举路径的平均长度
(4)计算每辆车的平均运输距离k＝{1，2…，m}是配送中心拥有的车辆集合；
(5)计算每辆车的在途运输时间其中Vk为每辆车的平均行驶速度；
(6)计算每辆车每天跑的车次数其中T为司机每日的额定工作时长；
(7)计算车辆一周内的总运力其中，，CVk为车的额定装载量；
(8)判断ECTk的大小。
3.根据权利要求2所述智能电表的配送任务排程优化方法，其特征在于：所述(8)判断ECTk的大小的具体步骤为：
①当ECTk全部大于0或者部分大于0部分等于0时，计算一周内m辆车的总运力其中CVk为车的额定装载量，将F1与所有需求点一周内的总需求MA比较，当F1＜MA时，所有车一周内能送完所有点的需求；当F1＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助；
②当ECTk全部等于0时，表示每辆车一天内跑不完一个车次，此时需找出一个正整数M，至每辆车每天跑的车次数全部大于等于1为止，该正整数M代表了需要M天可以保证每个车辆k跑完至少一个车次，计算一周内m辆车的总运力将F2与所有需求点一周内的总需求MA比较，当F2≥MA时，所有车一周内能送完所有点的需求；当F2＜MA时，所有车一周内不能送完所有点的需求，此时这一周剩余的天数由于在这D天内车辆不能完成一趟运输，故在D天内估算的m辆车的总理想运力则这一周内m辆车的理想运力F4＝F2+F3，将F4继续与MA比较，当F4≥MA时，所有车一周内能送完所有点的需求；当F4＜MA时，所有车一周内不能送完所有点的需求，这时需要社会车辆的帮助。
4.根据权利要求1所述智能电表的配送任务排程优化方法，其特征在于：步骤S5中所述数学模型包括不同场景下的目标函数和约束条件。
5.根据权利要求4所述智能电表的配送任务排程优化方法，其特征在于：所述目标函数
(1)Min其主要包括两部分：车辆的固定启用费用和运输费用组成。其中：m为投入使用的配送车辆；xijk为0、1变量，xijk＝1表示车辆k从节点i行驶到节点j，否则xijk＝0；dij表示配送点i到配送点j的运输距离；ck为车辆k的固定启动费用；cijk：表示车辆k由节点i到节点j进行配送的单位距离的运输费用；
(2)Min其主要包括行驶时间和货物装卸时间。其中：tij为从节点i到需求节点j的行驶时间；tih为车辆在节点i的装卸货时间；
(3)Max或Max
其分别表示车辆的载重利用率最大或车辆的容积利用率最大，其中：yki为0,1变量，yki＝1表示需求站点i的任务由车辆k完成，否则yki＝0；Gk为车辆k的额定载重量；qil为需求站点i对计量装置l的需求量；gl为计量装置l的单位重量；Qk为车辆k的额定装载容量；qim为需求站点i需要装载的周转箱m的数量，qi1＝pi1/12，qi2＝pi2/4，qi3＝pi3/12，qi4＝pi3/12，qi5＝pi5；vm为集装箱m的体积。
6.根据权利要求4所述智能电表的配送任务排程优化方法，其特征在于：所述约束条件包括：
(a1)车辆k在巡回路线的连续性约束，即车辆k到达某一客户节点也会离开，不会停留，
(a2)同一车辆只能在一条巡回路线上行驶约束，x0jk≤1；
(a3)车辆k的配送半径约束，Wk为配送车辆k允许行驶的最远距离；
(a4)aj≤tj≤bj，ti为车辆到达需求点i的时刻，aj：允许车辆到达需求点i的最早时间点，bj为允许车辆到达需求点i的最晚时间点。
7.根据权利要求1所述智能电表的配送任务排程优化方法，其特征在于：所述约束条件包括：
步骤S6中所述考虑业务优先级、时间、成本因素的组合权重计算方式为：
权重其中Prio为各需求点的优先级，surround为各需求点到其他点的距离之和，Distance为各需求点到计量中心的距离，Time为各需求点的服务时间窗，P，S，D，T分别为各参数的权重，并取S，D，T为1，为了方便比较优先级，取P为10(可调整)。将各需求点的权重按从大到小的顺序排列，得到一个需求点序列
计算每辆车的权重其中VC为每辆车的平均车速，Volumn为每辆车的额定装载量，Wages为司机的工资，CostPerKm为车辆每公里
消耗的费用，V，Vo，W，C分别为各参数的权重，并取V，C为1，Vo，W为0.1；将每辆车的权重按从大到小的顺序排列，得到一个车辆权重序列。
8.根据权利要求1所述智能电表的配送任务排程优化方法，其特征在于：步骤S7中所述的贪心算法包括如下步骤：
(1)将需求点按照不同的要求进行排序；
(2)将车辆按照特定的目标进行排序；
(3)将一个需求点分配给一辆车后，判断车辆完成该需求点的配送任务后是否还在这个需求点的配送服务时间窗之内，如果不在，则将该需求点分配给下一辆车；如果在，那么判断这辆车的额定装载量能否装满这个需求点的全部需求量，如果刚好装满，或装入后车辆还有剩余容量，则将下一个需求点继续分配给这辆车，如果车辆不能装满这个点的全部需求量，那么则装入这辆车剩余空间的量，然后将这个点的剩余的需求量分配给下一辆车；
(4)当需求点全部分配完毕时，则整个分配过程结束。
CN201710085074.3A 2017-02-17 2017-02-17 一种智能电表的配送任务排程优化方法 Pending CN106845857A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710085074.3A CN106845857A (zh) 2017-02-17 2017-02-17 一种智能电表的配送任务排程优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710085074.3A CN106845857A (zh) 2017-02-17 2017-02-17 一种智能电表的配送任务排程优化方法

Publications (1)

Publication Number Publication Date
CN106845857A true CN106845857A (zh) 2017-06-13

Family

ID=59128334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710085074.3A Pending CN106845857A (zh) 2017-02-17 2017-02-17 一种智能电表的配送任务排程优化方法

Country Status (1)

Country Link
CN (1) CN106845857A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107607123A (zh) * 2017-08-25 2018-01-19 骆剑锋 基于多车辆的考虑限载限路程的多目的地的路径规划算法
CN109242502A (zh) * 2017-07-05 2019-01-18 成都上门侠科技有限公司 工单处理方法和工单处理装置
CN109426890A (zh) * 2017-08-28 2019-03-05 力晶科技股份有限公司 从多维变量推算生产力、排程优先级、优化配置的方法
CN109558986A (zh) * 2018-12-10 2019-04-02 北京顺丰同城科技有限公司 一种同城站点配送顺序的排序方法及装置
CN109801014A (zh) * 2018-12-28 2019-05-24 国网天津市电力公司电力科学研究院 基于遗传算法的电能计量装置配送排程方法及排程系统
CN109840630A (zh) * 2019-01-21 2019-06-04 福建省特种设备检验研究院 一种基于Dijkstra算法获取特检设备检验员的工作时效的方法
CN110197311A (zh) * 2019-06-12 2019-09-03 江苏航运职业技术学院 一种基于智能优化的物流配送路径规划方法
CN111353730A (zh) * 2018-12-20 2020-06-30 顺丰科技有限公司 一种中转车辆排序方法、装置、设备和存储介质

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242502A (zh) * 2017-07-05 2019-01-18 成都上门侠科技有限公司 工单处理方法和工单处理装置
CN107607123A (zh) * 2017-08-25 2018-01-19 骆剑锋 基于多车辆的考虑限载限路程的多目的地的路径规划算法
CN107607123B (zh) * 2017-08-25 2019-04-16 骆剑锋 基于多车辆的考虑限载限路程的多目的地的路径规划方法
CN109426890A (zh) * 2017-08-28 2019-03-05 力晶科技股份有限公司 从多维变量推算生产力、排程优先级、优化配置的方法
CN109426890B (zh) * 2017-08-28 2021-09-07 力晶积成电子制造股份有限公司 从多维变量推算生产力、排程优先级、优化配置的方法
CN109558986A (zh) * 2018-12-10 2019-04-02 北京顺丰同城科技有限公司 一种同城站点配送顺序的排序方法及装置
CN111353730A (zh) * 2018-12-20 2020-06-30 顺丰科技有限公司 一种中转车辆排序方法、装置、设备和存储介质
CN109801014A (zh) * 2018-12-28 2019-05-24 国网天津市电力公司电力科学研究院 基于遗传算法的电能计量装置配送排程方法及排程系统
CN109801014B (zh) * 2018-12-28 2023-08-08 国网天津市电力公司电力科学研究院 基于遗传算法的电能计量装置配送排程方法及排程系统
CN109840630A (zh) * 2019-01-21 2019-06-04 福建省特种设备检验研究院 一种基于Dijkstra算法获取特检设备检验员的工作时效的方法
CN110197311A (zh) * 2019-06-12 2019-09-03 江苏航运职业技术学院 一种基于智能优化的物流配送路径规划方法

Similar Documents

Publication Publication Date Title
CN106845857A (zh) 一种智能电表的配送任务排程优化方法
Liu et al. Distributed operation management of battery swapping-charging systems
Rossi et al. On the interaction between autonomous mobility-on-demand systems and the power network: Models and coordination algorithms
Zhao et al. An integrated framework for electric vehicle rebalancing and staff relocation in one-way carsharing systems: Model formulation and Lagrangian relaxation-based solution approach
Chen et al. Evolutionary computation for intelligent transportation in smart cities: A survey
Mak et al. Infrastructure planning for electric vehicles with battery swapping
He et al. Optimal scheduling for charging and discharging of electric vehicles
Ye et al. Learning to operate an electric vehicle charging station considering vehicle-grid integration
Liu et al. Robust charging strategies for electric bus fleets under energy consumption uncertainty
JP6194795B2 (ja) 充電制御装置、電池管理装置、充電制御方法およびプログラム
He et al. A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles
CN105740556A (zh) 基于客流需求的列车运行图自动编制方法
Tucker et al. Online charge scheduling for electric vehicles in autonomous mobility on demand fleets
Lv et al. Power and traffic nexus: From perspective of power transmission network and electrified highway network
Liu et al. Operation management of multiregion battery swapping–charging networks for electrified public transportation systems
Chen et al. Two-tier energy compensation framework based on mobile vehicular electric storage
CN106873552B (zh) 群互联控制的电动汽车充电监控系统及方法
Reddy et al. A novel on energy management strategy with maximum exploitation of renewables and EV storage in distribution networks
Liu et al. Joint operation of mobile battery, power system, and transportation system for improving the renewable energy penetration rate
Yuan et al. Sac: Solar-aware e-taxi fleet charging coordination under dynamic passenger mobility
Iacobucci et al. Model predictive control of a shared autonomous electric vehicles system with charge scheduling and electricity price response
Habibi et al. Application of mobile energy storage to facilitate energy transfer between tso and dso networks
Sabzi et al. A Review on Electric Vehicles Charging Strategies Concerning Actors Interests
Yuan et al. Poet: Towards power-system-aware e-taxi coordination under dynamic passenger mobility
Hajibabai et al. A game-theoretic approach for dynamic service scheduling at charging facilities

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170613